推特(Twitter)突发事件检测是从推文数据中检测出突发事件相关信息的过程,该工作广泛应用于新闻获取、舆情分析、灾难事件检测等领域中。传统的推特突发事件检测方法存在两个问题:首先,频繁项集挖掘算法简单地挖掘出所有出现频数大于支持度的项集,而忽略了不同单词具有不同权重的问题;其次,突发词可以属于多个事件,而传统的单分配聚类算法只将一个突发词分配给一个事件。本文对Twitter突发事件检测相关问题展开了研究,主要工作如下:(1)面向事件检测的时间信息抽取。时间信息是事件的重要要素之一,广泛应用于事件检测与跟踪研究中。针对传统的基于规则的识别方法召回率低且难以识别事件类中文时间表达式的缺点,提出一种规则与统计相结合的中文时间表达式识别方法。首先,将中文时间表达式分为7类,以时间基元为单位总结正则规则,以降低规则制定的复杂度;然后,利用正则规则识别中文时间表达式,自动标注训练集,同时,人工标注出基于规则的方法无法识别的事件类中文时间表达式,利用标注完的训练集训练条件随机场模型(CRF)。实验结果表明该方法显著降低了标注工作量,提高了识别的召回率,F1值达88.73%,比基于规则的识别提高了6.37%。(2)针对传统频繁项集挖掘算法和单分配聚类算法存在的问题,本文提出一种基于高效用模式(HUPM)和图划分的推特突发事件检测方法。本文首先给出推文中单词效用值的定义、计算每个单词的效用值,然后,确定最小效用阈值,利用高效用模式挖掘算法挖掘出高效用模式(项集),最后,使用多分配图划分算法对高效用项集进行聚类,利用df-idf_t对聚类结果进行排序。实验结果表明,本文提出的方法不仅取得了良好的检测效果,同时,具有较好的时间性能。